Exploration & Analysis / 2024
生活现象剖析与数学建模初探
小组研究活动策划
我们身处在一个被数据和算法包围的时代。从你每天刷的短视频，到资本市场的巨额交易，表面上是生活日常，底层却是由极其精密的数学模型在驱动。
本次小组活动，要求大家化身“算法侦探”，去拆解生活中的黑箱。不要只做规则的被动接受者，去尝试理解甚至破解规则背后的底层逻辑。
Case Study / Phenomenon 01
股票的涨跌真的是随机的吗？量化交易是如何通过海量历史数据寻找市场中的确定性的？
资本是如何建立风险控制模型的？普通散户为什么总是沦为“被收割的韭菜”？
探究任务：分析某种投资策略（如均值回归、动量策略）背后的基础数学逻辑。
Case Study / Phenomenon 02
为什么你刷短视频总是停不下来？推荐系统（如协同过滤、深度学习）是如何在毫秒间给你打上几千个标签的？
平台如何设计“回流算法”？当你几天不打开APP时，它推送的第一条内容是如何计算出最高吸引力的？
探究任务：描绘出这些内容平台的用户留存漏斗与推荐机制逻辑图。
Case Study / Phenomenon 03
大数据杀熟是如何在代码层面实现的？为什么不同账号搜出来的同款商品价格和排名完全不同？
二手平台的曝光率是如何分配的？算法是如何利用信息差来进行流量倾斜的？
探究任务：分析电商平台中价格歧视与流量分配的博弈论模型。
Case Study / Phenomenon 04
手机导航完全没有连接交管局摄像头，为什么能精确显示前方红绿灯还有几秒？
答案藏在数百万车主的GPS轨迹里。这是海量众包数据与时空预测模型的完美结合。
探究任务：推导一下，如果你是工程师，你会怎么建立这个通过车速推算红绿灯周期的算法？
The Connection to Modeling
无论是全国大学生数学建模竞赛(CUMCM)还是美赛(MCM/ICM)，考题绝不是枯燥的公式，而是真实世界的问题（如交通调度、金融定价、疾病传播）。
研究这些现象，就是在培养你们将“具象生活”转化为“抽象模型”的能力。我们收集数据、建立假设、推导公式，这就是标准的研究过程。
3-4人一组，选拔出一名组长负责统筹全局工作与进度安排。
从上述四大方向中任选其一，或提出你们自己感兴趣的其他算法现象（需经审核）。
查阅文献，收集公开数据，尝试画出该现象背后的算法流程图或写出基础数学表达式。
准备一份极简专业的PPT，每组8分钟上台演讲，向全班揭秘你们的发现。